Wat moet ik mijn kinderen aanraden om te studeren?

Vrijwel elke ouder van een tiener stelt tegenwoordig dezelfde soort vraag. Welke studie is nog veilig? Heeft programmeren nog toekomst? Moet het verpleegkunde worden, loodgieten, of iets met mensen?

Achter die vraag schuilt een aanname: dat er ergens in het opleidingsaanbod een juist antwoord verstopt zit, en dat het jouw taak is om dat te vinden. Het loont om die aanname eens goed te bekijken, want de gegevens van de afgelopen drie jaar wijzen in een heel andere richting.

Wat er gebeurt met de eerste baan

Laten we beginnen bij wat meetbaar is. Drie economen van Stanford analyseerden de loongegevens van miljoenen Amerikaanse werknemers. Ze keken naar de jongste groep, van 22 tot 25 jaar oud, in beroepen die het meest aan AI zijn blootgesteld. Tussen 2022 en medio 2025 daalde hun werkgelegenheid met 16 procent ten opzichte van de rest, en tegen deze zomer was dat verschil opgelopen tot 19 procent. Oudere werknemers in dezelfde beroepen hadden nergens last van. Jonge werknemers in minder blootgestelde beroepen evenmin. De daling zit precies daar waar een loopbaan begint.

De lonen laten hetzelfde beeld zien. Een onderzoek naar 138 miljoen Amerikaanse loopbaanprofielen wees uit dat de startsalarissen sinds eind 2022 met gemiddeld 4,5 procent zijn gedaald, en voor juniorfuncties zelfs met 6,3 procent. De lonen van ervaren krachten bleven intussen gelijk of stegen. De toegang tot de arbeidsmarkt knijpt van onderaf dicht.

Het vreemde eraan

Dit is wat deze omwenteling anders maakt dan eerdere paniek over machines: AI helpt juist beginners het meest.

Het beste bewijs hiervoor komt uit een onderzoek onder 5.172 klantenservicemedewerkers bij een groot softwarebedrijf, een van de eerste zorgvuldige praktijkexperimenten met deze technologie. Een AI-assistent verhoogde de productiviteit met gemiddeld 15 procent, maar bij de nieuwste, minst ervaren krachten was de winst maar liefst 30 procent. Nieuwe medewerkers met twee maanden ervaring presteerden als collega's met meer dan een halfjaar ervaring. De machine perste zes maanden leerproces samen tot een paar weken.

De technologie maakt een junior dus vaardiger, en bedrijven reageren daarop door er minder aan te nemen, tegen een lager salaris. Dat klinkt tegenstrijdig, totdat je het bekijkt vanuit het perspectief van de werkgever. Wat de assistent feitelijk deed, was de ervaring van het senior personeel bottelen: alles wat de beste krachten hadden geleerd over het afhandelen van moeilijke gesprekken, werd zo overgegoten naar de nieuwkomers. Zodra ervaring uit een flesje komt, koop je er minder van in op de arbeidsmarkt. De winst van dat bottelen ging naar het bedrijf. De mensen wier ervaring de fles vulde, kregen er niet voor betaald, en de juniors die al lerend een inkomen hadden moeten opbouwen, werden simpelweg niet aangenomen.

Het probleem met de ladder

Bedenk hoe iemand eigenlijk goed wordt in een vak. Een meestertimmerman bestaat omdat een werkplaats ooit een leerling planken liet schuren. Dat schuren was nooit het doel; het was de leerschool. Vrijwel elk vakmanschap werkt zo: het saaie routinewerk van een beginner is de manier waarop oordeelsvermogen groeit, en het juniorsalaris is hoe de maatschappij mensen betaalt terwijl ze dat vermogen opbouwen.

Tegenwoordig doet AI het schuurwerk, in de advocatuur, de accountancy, de softwareontwikkeling en de marketing. Het werk waarmee de volgende generatie werd opgeleid, gebeurt nu door machines die zijn getraind op de vorige generatie. De onderzoekers achter de loonstudie verwoordden het helder: het eenvoudige instapwerk is een cruciale leerfase, en zonder die leerschool is het moeilijk voor te stellen hoe iemand ooit de deskundigheid voor hogere functies ontwikkelt.

Kijk wie er nog altijd goed betaald krijgt: de ervaren krachten. Hun bescherming is stilzwijgende kennis, het oordeel dat je pas krijgt na jarenlang meemaken wat er mis kan gaan. Dat is precies wat de modellen nog niet in zich hebben opgenomen. Zij vormen het laatste bolwerk van het oude loongebouw, geen uitzondering op de ontmanteling ervan. Een bolwerk is een reëel toevluchtsoord. Maar het is per definitie ook omsingeld.

Wat vertel je ze dan?

Om te beginnen het deel dat overeind blijft. Oordeelsvermogen is schaars, en dat is het altijd geweest. Machines zijn buitengewoon goed in het produceren van antwoorden, maar matig in het bepalen welk antwoord ertoe doet. Die vaardigheid bouw je op door willekeurig welk vak diepgaand en eerlijk te bestuderen: wiskunde of geschiedenis, geneeskunde of meubelmaken. Nieuwsgierigheid is een betere leidraad dan welke lijst met veilige beroepen dan ook, want zo'n lijst is al verouderd voor het afstuderen. Iemand die goed werk kan onderscheiden van werk dat alleen maar aannemelijk klinkt, blijft langer waardevol dan iemand die het alleen maar produceert.

Maar dan het moeilijkere deel, wat het eigenlijke antwoord op de vraag is. Al vijftig jaar raakt beloning steeds verder los van arbeid, zelfs voor mensen met uitstekende vaardigheden; dat verhaal staat in een ander essay in deze reeks. Wat er nu gebeurt met de eerste baan van je kinderen, is diezelfde verschuiving, maar dan in een stroomversnelling. Als de onderkant van de ladder minder betaalt en minder plek biedt terwijl de machine-eigenaren het verschil opstrijken, dan hebben je kinderen niet in de eerste plaats een slimmere studiekeuze nodig. Ze hebben een aandeel nodig: vermogen dat een stukje van de productieve economie bezit, een belang, hoe klein ook, in de systemen die het werk verrichten, en een samenleving die zorgt voor zulke belangen voor mensen die niets erven.

Dat laatste kan een zeventienjarige niet oplossen met een studiegids, en daarom is het oneerlijk dat het volle gewicht van die vraag op hun schouders rust. Raad hen aan om iets te studeren waar ze genoeg van houden om er uitmuntend in te worden. En stel vervolgens de vraag die in hun lesprogramma niet aan bod komt: niet welk werk de machine overleeft, maar wie de machine bezit?

---

Waar de bewijsvoering te vinden is. De studies uit dit essay worden uitgewerkt in hoofdstuk 3 van The Horse Is Here to Stay; het vijftigjarige verhaal van beloning die loskomt van arbeid staat in hoofdstuk 4. Het lopende overzicht van gebeurtenissen wordt bijgehouden in the Stable.

Dit essay maakt deel uit van een reeks gratis gidsen die antwoord geven op de vragen die mensen daadwerkelijk stellen over AI en werk. Het boek bevat de volledige bewijzen, bronnen en tegenargumenten. Deze gidsen zijn gepubliceerd onder een Creative Commons Naamsvermelding-GelijkDelen-licentie: vertaal ze, geef er les mee, citeer eruit en bouw erop voort.